基于深度卷积网络的路面遗留物检测方法

    公开(公告)号:CN106845424A

    公开(公告)日:2017-06-13

    申请号:CN201710059678.0

    申请日:2017-01-24

    Applicant: 南京大学

    Abstract: 基于深度卷积神经网络的路面遗留物检测方法,移动终端检测点作为道路摄像头,移动终端检测点通过摄像头获取图像信息,将深度学习引入路面事件识别并加以改进,以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析,解决移动摄像机与静止图像目标检测,将路面ROI区域划分为多个网络,构建路面—非路面识别模型,通过非路面网格反向识别高速公路路面遗留物、路面抛洒物等静态目标。本发明应用于路面遗留物、路面抛洒物等非实时性任务,充分利用移动互联网的特点与优势,以低成本实现区域高覆盖率路面遗留物等路面事件检测。

    融合区域纹理梯度的船舶阴影去除方法

    公开(公告)号:CN107220943A

    公开(公告)日:2017-09-29

    申请号:CN201710215087.8

    申请日:2017-04-02

    Applicant: 南京大学

    Abstract: 融合区域纹理梯度的船舶阴影去除方法,采用改进的颜色及纹理特征对船舶阴影区域进行预检测,再利用梯度填充的方法来优化确定最终的阴影位置,进而去除阴影,得到最终的去除阴影后的船舶目标。本发明有效解决了在内河河道这一特定环境下,由于水面波纹的原因造成阴影覆盖前后区域的纹理特征不变性这一假设并不总是成立,传统的阴影检测方法难以有效区分船体边界,造成颜色、纹理相似的前景和阴影区域检测相混淆的问题;提高了对内河船舶航行参数的检测精度,特别是对准确获得船舶尺寸具有重要意义。

    基于腐蚀去噪深度信念网络的车流量预测方法

    公开(公告)号:CN109118763A

    公开(公告)日:2019-01-01

    申请号:CN201810986737.3

    申请日:2018-08-28

    Applicant: 南京大学

    Abstract: 一种基于腐蚀去噪深度信念网络的车流量预测方法,车流量预测是指利用历史时刻的车流量情况来预测当前及未来时刻的车流量情况,本发明提出随机腐蚀层作为一种正则化手段,解除一部分神经元之间的互相依赖性,提高预测模型泛化能力,降低过拟合风险。同时结合具体应用场景,考虑到车流量的空间相关性和时间规律性来建立车流量预测模型,实现准确、可靠、实时的车流量预测,有效优化交通调度,缓解交通压力,提高路网的运行效率。这对智能交通的发展有很大意义。

    基于帧间差异与卷积神经网络融合的船舶视频检测方法

    公开(公告)号:CN108229319A

    公开(公告)日:2018-06-29

    申请号:CN201711226281.2

    申请日:2017-11-29

    Applicant: 南京大学

    Abstract: 基于帧间差异与卷积神经网络融合的船舶视频检测方法,包括四个部分:对视频作预处理、获取每一帧的ROI区域并提取浅层特征、用修改的VGG16网络获取每一帧图的高层特征、预测每一帧ROI区域船舶显著图并提取船舶目标。本发明充分利用了视频前后帧之间的联系,减小了背景的干扰,准确定位运动船舶,获得了船舶运动的区域,相比于只利用低层特征的船舶图像显著性检测,既能够直接应用于船舶视频的检测,又减少了检测船舶不全的情况,对复杂内河运动船舶场景的适应性更强,检测精度更高,解决了内河船舶目标显著性检测不准确的问题,具有极高的实际应用价值。

    基于腐蚀去噪深度信念网络的车流量预测方法

    公开(公告)号:CN109118763B

    公开(公告)日:2021-05-18

    申请号:CN201810986737.3

    申请日:2018-08-28

    Applicant: 南京大学

    Abstract: 一种基于腐蚀去噪深度信念网络的车流量预测方法,车流量预测是指利用历史时刻的车流量情况来预测当前及未来时刻的车流量情况,本发明提出随机腐蚀层作为一种正则化手段,解除一部分神经元之间的互相依赖性,提高预测模型泛化能力,降低过拟合风险。同时结合具体应用场景,考虑到车流量的空间相关性和时间规律性来建立车流量预测模型,实现准确、可靠、实时的车流量预测,有效优化交通调度,缓解交通压力,提高路网的运行效率。这对智能交通的发展有很大意义。

    基于深度卷积网络的路面遗留物检测方法

    公开(公告)号:CN106845424B

    公开(公告)日:2020-05-05

    申请号:CN201710059678.0

    申请日:2017-01-24

    Applicant: 南京大学

    Abstract: 基于深度卷积神经网络的路面遗留物检测方法,移动终端检测点作为道路摄像头,移动终端检测点通过摄像头获取图像信息,将深度学习引入路面事件识别并加以改进,以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析,解决移动摄像机与静止图像目标检测,将路面ROI区域划分为多个网络,构建路面—非路面识别模型,通过非路面网格反向识别高速公路路面遗留物、路面抛洒物等静态目标。本发明应用于路面遗留物、路面抛洒物等非实时性任务,充分利用移动互联网的特点与优势,以低成本实现区域高覆盖率路面遗留物等路面事件检测。

Patent Agency Ranking